А я не очень понимаю, в чём эта, в обобщённом виде, задача отличается от десктопного варианта. Некоторые современные встроенные системы дадут ещё фору тому, что было десктопом лет пять назад.

Проблемы всплывают по ходу, зависят от конкретики (разрешение изображения, сколько кадров в секунду, какое количество одновременно запущенных потоков нужно обрабатывать, нужно ли перекодировать, нужно ли дальше отправлять, ...).

Если одна сетевая карта - справляется (и, соответственно, внутренняя шина), то какие проблемы принимать на один сетевой интерфейс с разных камер? У нас железяки были в прошлом проекте - старые (думаю, до 2010 разработанные, но в авионике - свои приколы), сейчас - поновее, с некоторыми из них - можно работать, как с десктопом, достаточно мощные.

Скажем, если вы получаете закодированное, например, в H.26x изображение, то на железке нужен железячный декодер. Если этот декодер - без особенностей (например, воспользоваться им - можно, но нужно особым образом память управлять, бывает и такое), то хорошо, иначе у тебя начинаются "пляски с бубнами". Не мешает убедиться ещё и, а можно ли несколько параллельных потоков декодировать, хватит ли мощности...

У нас сейчас на работе проект, где ужа с ежом скрещивают, между FPGA и производительным ARM'ом нужно данные гонять... И вот там всплывают подробности, что шина - может так работать, но так - нет, а если ещё тут - то, то... С Qt - там тоже всплывают проблемы адаптирования, сборки, а там ещё - OpenGL/CL, но я этим уже - не занимаюсь...

Короче, надо исходить из того, что вы собираетесь делать, на какой архитектуре (по опыту, многие производители типа Марвелла и НВидии - дают немодифицируемые блобы в виде компонентво системы, а уже они накладывают ограничение на версию системы и компилятора, драйвера, и пр.), как, какой запас есть (по принятию трафика извне, по прогону трафика внутри, по отдаче, по памяти, по производительности, ...).

В общем, однозначного ответа на такой общий вопрос - нет.